【Elasticsearch入门到落地】13、DSL查询详解：分类、语法与实战场景

接上篇《12、索引库删除判断以及文档增删改查》
上一篇我们讲解了如何判断索引库是否存在并删除它，以及如何对索引库中的文档进行增删改查操作。本篇我们进入ElasticSearch的DSL语法的详解。

Elasticsearch（ES）作为强大的分布式搜索引擎，其核心功能之一是通过DSL（Domain Specific Language）实现灵活的数据查询。本文将深入解析ES DSL查询的三大核心分类：全文检索查询、精确查询和地理查询，结合实际场景和语法示例，帮助开发者快速掌握ES查询精髓。

一、DSL查询基础结构

ES查询的基本结构遵循JSON格式，主要包含以下两部分：

GET /indexName/_search
{"query": {// 查询条件定义"查询类型":{"查询条件":"条件值"}},"from": 0,      // 分页起始位置"size": 10,     // 每页返回数量"sort": [       // 排序规则{"price": "asc"}]
}

二、全文检索查询

1. 使用场景

●博客文章内容搜索

●电商商品描述匹配

●日志分析中的文本挖掘
●任何需要基于文本相似度匹配的场景

2. 核心查询类型

（1）match查询（最常用）

GET /indexName/_search
{"query": {"match": {"title": {"query": "Elasticsearch教程","operator": "and",  // 可选：and/or"minimum_should_match": "75%", // 最小匹配度"fuzziness": "AUTO"  // 模糊匹配}}}
}

关键参数：
●operator：控制多个查询词的逻辑关系（默认OR）
●minimum_should_match：设置最低匹配词比例
●fuzziness：允许的拼写错误容忍度（AUTO/0/1/2）

案例测试1：

# 模糊搜索
GET /hotel/_search
{"query": {"match": {"all": "外滩如家"}}
}

案例结果1：

案例测试2：

# 模糊搜索
GET /hotel/_search
{"query": {"match": {"name": {"query": "7天酒店","operator": "and", "minimum_should_match": "75%","fuzziness": "AUTO"}}}
}

案例结果2：

（2）multi_match查询（多字段匹配）

GET /indexName/_search
{"query": {"multi_match": {"query": "大数据分析","fields": ["title^3", "content", "tags"], // ^3表示权重"type": "best_fields" // 匹配策略}}
}

匹配策略：
●best_fields：最佳字段匹配（默认）
●most_fields：多数字段匹配
●cross_fields：跨字段匹配
●phrase：短语匹配
●phrase_prefix：短语前缀匹配

案例测试：

GET /hotel/_search
{"query": {"multi_match": {"query": "外滩如家","fields": ["brand^3", "name", "business"], "type": "best_fields" }}
}

案例结果：

（3）match_phrase查询（短语匹配）

GET /indexName/_search
{"query": {"match_phrase": {"content": "快速排序算法","slop": 1 // 允许词间最大距离}}
}

match_phrase查询用于精确匹配短语，同时允许指定词间最大距离（通过 slop 参数）
slop表示允许的词序调整次数（例如将"上海 浦东 东站"调整为"上海浦东 东站"需要1次调整）

案例测试：

GET /hotel/_search
{"query": {"match_phrase": {"name": "上海浦东东站"}}
}

案例结果：

（4）query_string查询（复杂查询）

GET /indexName/_search
{"query": {"query_string": {"query": "(Java OR Python) AND 开发","default_field": "content","fields": ["title^2", "content"]}}
}

特点：
支持Lucene查询语法
可指定多个字段及权重
适合复杂查询需求

案例测试1：

GET /hotel/_search
{"query": {"query_string": {"query": "西藏 AND 万怡","default_field": "name"}}
}

案例结果1：

案例测试2：

GET /hotel/_search
{"query": {"query_string": {"query": "(机场 OR 地铁) AND 如家","fields": ["name", "business"]}}
}

案例结果2：

注意：query_string查询默认会对文本进行分词处理，如果name字段被映射为keyword类型而不是text类型，查询可能不会按预期工作。例如"商业区"可能被分词为"商"、"业"和"区"三个词，查询要求同时包含这三个词，但很多"商业区"酒店标识可能被分词为单个词，搜索时可以将"商业区"用引号括起来表示短语匹配：
"query": "(地铁 OR \"商业区\") AND 7天"

三、精确查询（Term-level Queries）

1. 使用场景

●用户ID精确查找
●订单状态筛选
●价格范围查询
●日期区间查询
●需要精确匹配而非文本分析的场景

2. 核心查询类型

（1）term查询（精确匹配）

GET /indexName/_search
{"query": {"term": {"status": "active" // 不进行分词，直接匹配}}
}

案例测试：

GET /hotel/_search
{"query": {"term": {"business": "宝安商业区" }}
}

案例结果：

（2）terms查询（多值精确匹配）

GET /indexName/_search
{"query": {"terms": {"tags": ["java", "elasticsearch", "分布式"]}}
}

案例测试：

GET /hotel/_search
{"query": {"terms": {"name": ["如家酒店","机场"] }}
}

案例结果：

（3）range查询（范围查询）

GET /indexName/_search
{"query": {"range": {"price": {"gte": 100,"lte": 500,"boost": 2.0 // 权重}}}
}

案例测试：

GET /hotel/_search
{"query": {"range": {"price": {"gte": 100,"lte": 140}}},"from": 0,      "size": 100,     "sort": [       {"price": "asc"}]
}

注：这里加了分页和排序，按照价格从低到高

案例结果：

（4）exists查询（字段存在性检查）

GET /indexName/_search
{"query": {"exists": {"field": "description"}}
}

案例测试：

GET /hotel/_search
{"query": {"exists": {"field": "city"}},"from": 0,      "size": 100,     "sort": [       {"price": "asc"}]
}

案例结果：

（5）bool组合查询（逻辑组合）

GET /indexName/_search
{"query": {"bool": {"must": [{"term": {"status": "active"}},{"range": {"price": {"gte": 100}}}],"filter": [  // filter过滤，但不参与评分{"term": {"category": "electronics"}}],"should": [  // 可选条件{"term": {"is_recommended": true}}],"minimum_should_match": 1}}
}

注：minimum_should_match只影响bool查询中的should部分，minimum_should_match参数用于控制should子句中的匹配条件，它指定了在should子句中至少需要匹配多少个条件才能使整个bool查询匹配。

案例测试：
寻找在上海，打分超过40分以上，价格不超过200元，且是如家的酒店，可选条件是二钻：

{"query": {"bool": {"must": [{"term": {"city": "上海"}},{"range": {"price": {"lte": 200}}},{"range": {"score": {"gte": 40}}}],"filter": [  {"term": {"brand": "如家"}}],"should": [  {"term": {"starName": "二钻"}}],"minimum_should_match": 1}}
}

案例结果：

四、地理查询（Geo Queries）

此场景不再举例子，大家按照需要查询关键坐标匹配即可。

1. 使用场景

●附近商家搜索
●物流配送范围查询
●基于地理位置的推荐系统
●轨迹分析

2. 核心查询类型

（1）geo_distance查询（距离查询）

GET /indexName/_search
{"query": {"bool": {"filter": {"geo_distance": {"distance": "10km","location": {  // 中心点坐标"lat": 39.57,"lon": 106.55}}}}}
}

（2）geo_bounding_box查询（矩形区域查询）

GET /indexName/_search
{"query": {"bool": {"filter": {"geo_bounding_box": {"location": {"top_left": {"lat": 30.0,"lon": 106.0},"bottom_right": {"lat": 29.0,"lon": 107.0}}}}}}
}

（3）geo_polygon查询（多边形区域查询）

GET /indexName/_search
{"query": {"bool": {"filter": {"geo_polygon": {"location": {"points": [{"lat": 30.0, "lon": 106.0},{"lat": 30.0, "lon": 107.0},{"lat": 29.0, "lon": 107.0},{"lat": 29.0, "lon": 106.0}]}}}}}
}

（4）geo_shape查询（复杂形状查询）

GET /indexName/_search
{"query": {"bool": {"filter": {"geo_shape": {"location": {"shape": {"type": "envelope",  // 矩形"coordinates": [[106.0, 30.0], [107.0, 29.0]]},"relation": "intersects" // 空间关系}}}}}
}

五、性能优化建议

1、全文检索优化：

●合理设置分词器
●使用minimum_should_match控制匹配精度
●避免在高频字段上使用match_all

2、精确查询优化：

●为常用精确查询字段设置keyword类型
●使用filter上下文提高缓存效率
●避免在bool查询中嵌套过多条件

3、地理查询优化：

●使用geo_point类型存储地理位置
●对地理查询使用filter上下文
●合理设置distance_type（arc/plane）

下一篇我们继续讲解DSL查询语法中“相关性算分”、“FunctionScoreQuery”和“BooleanQuery”的相关内容。

转载请注明出处：https://blog.csdn.net/acmman/article/details/148195366